Q RadFusion:混合量子经典放射基因组框架用于乳腺癌诊断
Padmaja C1, Sivaneasan Bala Krishnan S2, Ramacharan S1
1G Narayanamma Institute of Technology and Science.
Research square
|October 3, 2025
概括
这项研究介绍了Q RadFusion,这是用于乳腺癌诊断的混合量子-经典框架. 它准确地融合了乳房影像和基因组数据,提高了精准医学的诊断能力.
科学领域:
- 放射基因组学是指放射基因组学.
- 量子计算是一种量子计算.
- 生物医学成像技术 生物医学成像技术
背景情况:
- 乳腺癌是全球女性的主要癌症,需要早期和准确的诊断以改善存活率.
- 放射基因组学通过将成像表型与基因组数据相结合,提供精确诊断.
- 经典机器学习模型在放射遗传学中面临着高维,异构多式数据的挑战.
研究的目的:
- 介绍Q RadFusion,一个新的混合量子经典框架,用于增强乳腺癌诊断.
- 将乳房影像和基因组学数据融合在一起,以提高诊断准确性和可重复性.
- 解决经典模型在处理复杂的多式联运数据方面的局限性.
主要方法:
- 在CBIS-DDSM (乳腺学) 和TCGA-BRCA (基因组学) 数据集上实施Q RadFusion.
- 使用量子近似优化算法 (QAOA) 进行特征选择和变量量子电路 (VQC) 进行特征映射.
- 采用ResNet用于乳房影像功能和Transformer用于基因组功能,然后进行多式联接.
主要成果:
- Q RadFusion实现了0.96和94%准确度的曲线下面面积 (AUC),表现优于基线模型.
- 除研究证实了量子组件的有效性,在特定电路参数 (L=6,Q=10,p=3) 上具有最佳性能.
- 与深度聚变网络相比,证明了改进的校准和参数的显著减少 (~80%).
结论:
- 混合量子-经典放射基因组合,如Q RadFusion所示,为乳腺癌提供了准确和可重现的诊断支持.
- 该框架显示了临床翻译在精确诊断中的强大潜力.
- Q RadFusion 在医疗成像和瘤学基因组学领域推进了人工智能领域.
